本文介绍了利用数据挖掘进行延伸阅读和推荐的不同视角，包括CRM、Web 2.0、电子书等。提到的经验来自于博客来网路书店及其他在线资源，并探讨了数据挖掘的流程及架构。最后，论述了未来图书馆在个性化推荐和用户行为分析中的可行性。

1. 如何用資料探勘
來做延伸閱讀/推薦
Gene/洪進吉

2. 技術新浪潮
1. 以 CRM 的觀點來看 參考服務
2. 以 Web 2.0 的觀點來看 協同搜尋/作業/過濾
3. 以 電子書 的觀點來看 典藏
4. 以 搜尋引擎入口 的觀點來看 書目搜尋
5. 以 語意網路 的觀點來看 分類系統

3. 經驗
博客來網路書店:
薦購, 必買不可, 新品推薦, 購買機率, 庫存預測
花碟十大書局:
推薦閱讀
部落格觀察:
部落格連結, 關鍵字關係(宅度計) , 共同話題(好好讀), 部落格速報
(熱門菜單).....

4. 資料探勘
資料搜集 (Collect)
資料清理 (Cleaning)
資料探勘 (Mining)
資料承現 (Present)

5. 資料探勘架構
1. 有那些元件
2. 有那些關係
3. 有那些延伸
4. 有那些應用

6. 二元與關係
人 <=> 書/論文/網站/部落格/新聞... 等內容資訊
圖書館: 借閱
書局: 購買
租書店: 租售
網路: 閱讀

7. 延伸閱讀/推薦
1. 既有的Refernce
2. Meta Data Base (Reference Base)
3. 使用者行為
4. 關鍵字與內容
5. 作者等 Meta-Data
6. 協同過慮, 合作

8. 圖資未來的可行性
1. 更精準的個人化的延伸閱讀
2. 圖書館的新增與淘汰
3. 資料庫與非書資料的推薦
4. 使用者領域的導引
5. 降低搜尋技巧的門檻 (搜尋推薦)
6. 主動式的提醒